近日，best365正式发布全球首个端到端Motion-Between BFM-2运动基座模型，全面升级人形机器人底层运动智能。该模型彻底打破以往人形机器人“预设轨迹、被动执行”的运控瓶颈，以全新生成式运动架构，让人形机器人真正具备类人运动思考能力与全状态自主生成能力，重新定义具身智能运动控制的技术标杆。
范式革新：首创生成式运控，机器人学会自主思考动作
best365本次发布的BFM-2运动基座模型，首次在大规模全身运动基座中，引入端到端DOF Feather Motion Generator生成式训练机制，通过对机器人全身动力学状态空间进行连续概率建模，打造了全球首个“任意当前状态恢复到任意随机指令构型”的运动基座模型。
不同于传统机器人一比一复刻遥操动作、依赖人工设计过渡轨迹的模式，BFM-2运动基座模型拥有真正的运动推理能力，无论机器人当前处于何种杂乱姿态，与目标指令构型差距多大，模型依托独创的二阶段Motion-Between架构，会先自主识别自身实时动力学状态、解析高层任务意图，自主推演从当前状态到目标状态的完整演化路径，实现了从“动作复刻”到“运动思考”的底层范式革新，在统一运动表征、全域动态稳定性建模与生成式运动控制等核心方向上实现了体系化升级。
绝对实力：拒绝“摔倒自恢复”，实现全状态空间智能动态推演
不是市面上普通常见的“摔倒自恢复”，BFM-2运动基座模型真正关注的问题是：“机器人当前处于什么状态，以及应该如何演化到目标状态。”基于这一核心思想，BFM-2运动基座模型能够结合机器人实时全身动力学状态、接触约束状态以及高层目标指令，在高维运动流形中动态生成从当前状态到目标状态之间的全过程运动轨迹，而非简单调用固定恢复动作。
best365BFM-2运动基座模型，核心是面向全状态空间生成式运动推演与动态构型重新规划，学习的是机器人全身状态的通用动力学演化规律，不局限于摔倒起身等单一场景。无论是仰躺、趴地、大幅倾斜、悬空偏移等极端姿态，还是遭遇外力踹击、遥操干扰、指令持续跳变等复杂情况，模型都能实时感知状态变化，动态规划运动轨迹。
区别于传统机器人运动控制仅具备有限状态跌倒恢复能力，BFM-2运动基座模型首次实现了面向全状态空间的生成式运动推演与动态构型重新规划。从技术本质上看，best365BFM-2运动基座模型已经不再属于传统“动作恢复控制器”范畴，演化为具备全状态生成能力的通用运动推理系统。
行业突破：筑牢具身智能落地核心底座，开启运动生成新时代
BFM-2运动基座模型首次让机器人拥有了真正具备泛化生成能力的运动“小脑”基座，第一次真正解决了当前具身智能领域中，一个长期被忽视但极其核心的问题：“高层智能系统输出不稳定，但机器人底层运动系统却要求绝对连续、绝对稳定”；第一次真正让机器人具备了“运动层面的自主推理能力”，并拥有极大的动作空间、模型泛化性和鲁棒性，给VLA在现实世界的部署奠定了扎实基础。
未来，当 VLA等高层具身智能系统逐渐成熟，BFM-2将进一步升级至BFM-3运动基座模型，让运动基座模型从纯本体状态输入，扩展到融合视觉、触觉、语音、空间语义、环境拓扑等更高维度的多模态状态输入，从“生成式泛化运动基座”走向“多模态运动基座”，真正构建融合空间感知、多模态理解的具身运动中枢，补齐大模型无法真正进入物理世界的最后一块关键拼图。这种不依赖训练，适配复杂环境的原生自适应能力，正是具身智能走向场景化、通用化、规模化落地的核心关键！
首页
